VI-I2R团队关于EPIC-KITCHENS-100动作识别无监督域自适应挑战赛2021的技术报告
计算机视觉与模式识别
2022-06-07 v1 人工智能
摘要
在本报告中，我们介绍了我们参与EPIC-KITCHENS-100无监督域自适应（UDA）动作识别挑战赛的方法技术细节。EPIC-KITCHENS-100数据集包含日常厨房活动，重点关注人手与其周围物体之间的交互。由于存在干扰物体和视觉上相似的动作类别，尤其是在无标签目标域中，准确识别这些细粒度活动非常具有挑战性。基于现有的视频域自适应方法TA3N，我们提出利用手部边界框信息学习以手为中心的特征，用于细粒度动作识别的UDA。这有助于减少来自背景的干扰，并促进域不变特征的学习。为实现高质量的手部定位，我们采用不确定性感知域自适应网络MEAA来训练域自适应手部检测器，该检测器仅使用源域中非常有限的手部边界框标注，但能很好地泛化到无标签目标域。我们的提交在top-1动作识别准确率上取得了第1名，仅使用RGB和光流模态作为输入。
引用
@article{arxiv.2206.02573,
title = {Team VI-I2R Technical Report on EPIC-KITCHENS-100 Unsupervised Domain Adaptation Challenge for Action Recognition 2021},
author = {Yi Cheng and Fen Fang and Ying Sun},
journal= {arXiv preprint arXiv:2206.02573},
year = {2022}
}